同态加密密文、所述投影脸的全同态加密密文W及每个距离平方的全同态 加密密文的全同态密文集，并基于所述预设匹配规则将所述全同态密文集转换为包括人脸 标识的识别结果的全同态加密密文。
[0041] 上述人脸识别方法和系统，接收用户端发送的人脸加密数据、全同态加密密钥、加 法同态加密密钥W及密钥密文，进而基于加法同态加密算法的原理和全同态加密算法的原 理，通过外包服务器的辅助，将每个特征脸对应的平均脸投影加密数据、所述人脸加密数据 和各个特征脸转换为投影脸的加法同态加密密文，对所述密钥密文分别与所述匹配阔值密 文、所述投影脸的加法同态加密密文W及每个距离平方的加法同态加密密文的相加值进行 加密生成全同态密文集，基于所述预设匹配阔值、每个距离平方W及各人脸标识间的预设 匹配规则，将所述全同态密文集转换为含有人脸标识的识别结果的全同态加密密文。可在 降低用户人脸数据的泄密风险的同时提高人脸识别的效率和适用范围，通过具有高运算能 力的外包服务器的辅助，将高消耗运算和大数据处理外包到外包服务器，可有效降低数据 库端的运算量，进一步提高人脸识别效率。
[0042] 一种人脸识别方法，包括W下步骤：
[0043] 接收数据库端发送的人脸加密数据和各个特征脸，其中，所述人脸加密数据为对 待识别人脸进行加法同态加密所得密文；
[0044] W每个特征脸的第i个分量为所述人脸加密数据的第i个分量的指数，进行乘方 运算，其中，i为1到N中的任意一个整数，N为人脸数据的分量个数；
[0045] 将W相同的特征脸的分量为指数的乘方运算结果进行连乘，生成每个特征脸对应 的人脸投影加密数据；
[0046] 向所述数据库端发送每个特征脸对应的人脸投影加密数据，W使所述数据库端将 每个特征脸对应的人脸投影加密数据转换为每个特征脸对应的人脸投影加密数据，W构成 投影脸的加法同态加密密文，其中，所述投影脸为所述待识别人脸与所述平均脸的差值在 各个特征脸组成的特征维度中的投影数据；
[0047] 接收所述数据库端发送的所述投影脸的加法同态加密密文和用于提取出所述平 均脸的每个数据库脸在各个特征脸上的投影系数；
[0048] 分别W每个数据库脸在第j个特征脸的投影系数的负二倍为所述第j个特征脸对 应的人脸投影加密数据的指数，进行乘方运算，其中，j为1到K中的任意一个整数，K为特 征脸的个数；
[0049] 将W相同的数据库脸的投影系数的负二倍为指数的乘方运算结果进行连乘，生成 每个数据脸对应的连乘加密数据；
[0化0] 向所述数据库端发送每个数据脸对应的连乘加密数据，W使所述数据库端将每个 数据库脸对应的连乘加密数据转换为每个距离平方的加法同态加密密文，其中，每个距离 平方为所述待识别人脸和每个数据库脸在所述特征维度中的欧式距离的平方；
[0051] 接收所述数据库端发送的全同态加密密钥、加法同态加密密钥、对加法同态解密 密钥进行全同态加密所得的密钥密文、预设匹配阔值的加法同态加密数据、每个距离平方 的加法同态加密密文、投影脸的加法同态加密密文、W及所述预设匹配阔值、每个距离平方 与各人脸标识间的预设匹配规则；
[0052] 通过所述全同态加密密钥，对所述密钥密文分别与所述预设匹配阔值的加法同态 加密数据、所述投影脸的加法同态加密密文W及每个距离平方的加法同态加密密文的相加 值进行加密，生成包括所述预设匹配阔值的全同态加密密文、所述投影脸的全同态加密密 文W及每个距离平方的全同态加密密文的全同态密文集；
[0053] 基于所述预设匹配规则，将所述全同态密文集转换为识别结果的全同态加密密 文。
[0054] -种人脸识别系统，包括；
[0化5] 第五接收模块，用于接收数据库端发送的人脸加密数据和各个特征脸，其中，所述 人脸加密数据为对待识别人脸进行加法同态加密所得密文；
[0化6] 第一乘方用于，用于W每个特征脸的第i个分量为所述人脸加密数据的第i个分 量的指数，进行乘方运算，其中，i为1到N中的任意一个整数，N为人脸数据的分量个数； [0化7] 第一连乘模块，用于将W相同的特征脸的分量为指数的乘方运算结果进行连乘， 生成每个特征脸对应的人脸投影加密数据；
[0化引第五发送模块，用于向所述数据库端发送每个特征脸对应的人脸投影加密数据，W使所述数据库端将每个特征脸对应的人脸投影加密数据转换为每个特征脸对应的人脸 投影加密数据，W构成投影脸的加法同态加密密文，其中，所述投影脸为所述待识别人脸与 所述平均脸的差值在各个特征脸组成的特征维度中的投影数据；
[0化9] 第六接收模块，用于接收所述数据库端发送的所述投影脸的加法同态加密密文和 用于提取出所述平均脸的每个数据库脸在各个特征脸上的投影系数；
[0060] 第二乘方模块，用于分别W每个数据库脸在第j个特征脸的投影系数的负二倍为 所述第j个特征脸对应的人脸投影加密数据的指数，进行乘方运算，其中，j为1到K中的 任意一个整数，K为特征脸的个数；
[0061] 第二连乘模块，用于将W相同的数据库脸的投影系数的负二倍为指数的乘方运算 结果进行连乘，生成每个数据脸对应的连乘加密数据；
[0062] 第六发送模块，用于向所述数据库端发送每个数据脸对应的连乘加密数据，W使 所述数据库端将每个数据库脸对应的连乘加密数据转换为每个距离平方的加法同态加密 密文，其中，每个距离平方为所述待识别人脸和每个数据库脸在所述特征维度中的欧式距 离的平方；
[0063] 第^；：接收模块，用于接收所述数据库端发送的全同态加密密钥、加法同态加密密 钥、对加法同态解密密钥进行全同态加密所得的密钥密文、预设匹配阔值的加法同态加密 数据、每个距离平方的加法同态加密密文、投影脸的加法同态加密密文、W及所述预设匹配 阔值、每个距离平方与各人脸标识间的预设匹配规则；
[0064] 全同态密文集模块，用于通过所述全同态加密密钥，对所述密钥密文分别与所述 预设匹配阔值的加法同态加密数据、所述投影脸的加法同态加密密文W及每个距离平方的 加法同态加密密文的相加值进行加密，生成包括所述预设匹配阔值的全同态加密密文、所 述投影脸的全同态加密密文W及每个距离平方的全同态加密密文的全同态密文集；
[00化]识别模块，用于基于所述预设匹配规则，将所述全同态密文集转换为识别结果的 全同态加密密文。
[0066] 上述人脸识别方法和系统，生成每个特征脸对应的人脸投影加密数据并向数据库 端发送，生成每个数据脸对应的连乘加密数据并向所述数据库端发送W使所述数据库端将 每个数据库脸对应的连乘加密数据转换为每个距离平方的加法同态加密密文，进而根据加 法同态加密算法的原理和全同态加密算法的原理，对所述密钥密文分别与所述预设匹配阔 值的加法同态加密数据、所述投影脸的加法同态加密密文W及每个距离平方的加法同态加 密密文的相加值进行加密生成全同态密文集，基于所述预设匹配阔值、每个距离平方W及 各人脸标识间的预设匹配规则，将所述全同态密文集转换为含有人脸标识的识别结果的全 同态加密密文。可在降低用户人脸数据的泄密风险的同时提高人脸识别的效率和适用范 围，代替数据库端进行高消耗运算和大数据处理，还可有效降低数据库端的运算量，进一步 提局人脸识别效率。
【附图说明】
[0067] 图1是本发明实施例的人脸识别方法的第一实施环境的结构示意图；
[0068] 图2是本发明人脸识别方法第一实施方式的流程示意图；
[0069] 图3是本发明人脸识别方法中预设匹配规则和预设验证关系的示意图；
[0070] 图4是本发明人脸识别系统第一实施方式的结构示意图；
[0071] 图5是本发明实施例的人脸识别方法的第二实施环境的结构示意图；
[0072] 图6是本发明人脸识别方法第二实施方式的流程示意图；
[0073] 图7是本发明人脸识别系统第二实施方式的结构示意图；
[0074] 图8是本发明人脸识别方法第=实施方式的流程示意图；
[0075] 图9是本发明人脸识别系统第S实施方式的结构示意图。
【具体实施方式】
[0076] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进 一步地详细描述。
[0077] 本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非 明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是 可W调整的。
[007引请参阅图1，图1是本发明实施例的人脸识别方法的第一实施环境的结构示意图。
[0079] 图1所示第一实施环境用于实现本发明的部分实施例或实施方式所述的人脸识 别方法，包括用户端120和数据库端140,所述用户端120与数据库端140通过无线网络或 有线网络连接。
[0080] 其中，用户端120可包括智能手机、台式机、笔记本、个人数字助理、平板电脑等终 端设备中的至少一种，装设有用于采集待识别人脸（人脸的图像或视频流）、对所述待识别 人脸进行加法同态加密的应用程序。
[0081] 数据库端140,可通过网络接收用户端120发送的人脸加密数据、全同态加密密 钥、加法同态加密密钥W及密钥密文，其中，所述人脸加密数据为对待识别人脸进行加法同 态加密所得密文，所述密钥密文为对加法同态解密密钥进行全同态加密所得的密文。
[0082] 数据库端140还可基于加法同态加密算法的原理和全同态加密算法的原理，将每 个特征脸对应的平均脸投影加密数据、所述人脸加密数据和各个特征脸转换为投影脸的加 法同态加密密文，对所述密钥密文分别与匹配阔值密文、所述投影脸的加法同态加密密文 W及每个距离平方的加法同态加密密文的相加值进行加密生成全同态密文集，基于所述预 设匹配阔值、每个距离平方W及各人脸标识间的预设匹配规则，将所述全同态密文集转换 为含有人脸标识的识别结果的全同态加密密文，完成人脸识别。
[0083] 优选地，每个距离平方为所述待识别人脸和每个数据库脸在各个特征脸组成的特 征维度中的欧式距离的平方；匹配阔值密文为预设的匹配阔值的加法同态加密数据，每个 特征脸对应的平均脸投影加密数据为通过所述加法同态加密密钥对每个数据库脸在各个 特征脸上的投影系数的平方和进行加密生成的数据。特征脸可为用于机器视觉领域中的人 脸识别问题的一组特征向量。该些特征向量可从高维矢量空间的人脸图像的协方差矩阵计 算而来。数据库脸为预存在数据库中的人脸信息，对各个数据库脸进行五官（耳朵除外） 轮廓提取，然后将提取的信息求平均，即可生成平均轮廓，如一个大眼睛加一个小眼睛就是 一个中等大小的眼睛。然后用对应位置的平均肤色填充平均轮廓，生成平均脸，只要拥有足 够数量的样本，就可W从该群体提取出比较精确的"平均脸"。
[0084] 数据库端140可预先采集存储数据库脸，对数据库脸进行处理，生成特征脸和平 均脸。进一步，可假设特征脸的每个特征向量都是整数，每个特征向量都伴随一个串身份标 识，它包含了特征向量属于的个人的身份信息。可假设身份被编码成一个选择加密方案中 信息空间的一个非零元素。
[0085] 本实施环境，可在降低用户人脸数据的泄密风险的同时提高人脸识别的效率和适 用范围。
[0086] 请参阅图2,图2是本发明人脸识别方法第一实施方式的流程示意图。
[0087] 本实施方式所述的人脸识别方法，运行于数据库端140,可包括W下步骤：
[008引步骤S201，接收人脸加密数据、全同态加密密钥、加法同态加密密钥W及密钥密 文，其中，所述人脸加密数据为对待识别人脸进行加法同